Le modèle logiciel Belief–Desire–Intention (BDI) est une architecture logicielle développée pour programmer des agents intelligents. Il est superficiellement caractérisé par l'implémentation des croyances, désirs et intentions d'un agent, mais il utilise en réalité ces concepts pour résoudre un problème particulier dans la programmation d'agents : séparer l'activité de sélection d'un plan (à partir d'une bibliothèque de plans ou d'un planificateur externe) de l'exécution des plans actuellement actifs. Par conséquent, les agents BDI peuvent équilibrer le temps consacré à délibérer sur les plans (choisir quoi faire) et à exécuter ces plans (le faire). Une troisième activité, la création des plans en premier lieu (la planification), ne relève pas du champ du modèle et est laissée au concepteur du système et au programmeur.
Le modèle BDI est inspiré de la théorie du raisonnement pratique humain de Michael Bratman, qui utilise également les termes croyance, désir et intention. Pour Bratman, le désir et l'intention sont tous deux des pro-attitudes (attitudes mentales concernées par l'action), mais l'engagement distingue l'intention du désir, conduisant à une persistance temporelle dans les plans et à d'autres plans élaborés sur la base de ceux auxquels on est déjà engagé. Le modèle logiciel BDI aborde partiellement ces questions : la persistance temporelle au sens de référence explicite au temps n'est pas explorée, mais la nature hiérarchique des plans est plus facilement implémentée, car un plan consiste en étapes dont certaines peuvent invoquer d'autres plans, impliquant une sorte de persistance temporelle.
Agents BDI
Un agent BDI est un type particulier d'agent logiciel rationnel borné imprégné d'attitudes mentales : croyances, désirs et intentions. Ces attitudes sont implémentées dans une architecture qui comprend des composants tels que les croyances, les désirs, les objectifs, les intentions, les plans et les événements.
- Croyances représentent l'état informationnel de l'agent - ses croyances sur le monde, y compris lui-même et les autres agents. Les croyances peuvent inclure des règles d'inférence, permettant un chaînage avant pour conduire à de nouvelles croyances. Le terme « croyance » plutôt que « connaissance » reconnaît que ce qu'un agent croit peut ne pas être nécessairement vrai. Les croyances sont stockées dans une base de données, parfois appelée base de croyances ou ensemble de croyances.
- Désirs représentent l'état motivationnel de l'agent - les objectifs ou situations que l'agent aimerait accomplir, comme trouver le meilleur prix ou devenir riche.
- Objectifs sont des désirs qui ont été adoptés pour une poursuite active, avec la restriction que l'ensemble des désirs actifs doit être cohérent (par exemple, on ne devrait pas avoir des objectifs concurrents d'aller à une fête et de rester à la maison).
- Intentions représentent l'état délibératif - ce que l'agent a choisi de faire. Les intentions sont des désirs auxquels l'agent s'est engagé, ce qui signifie dans les systèmes implémentés que l'agent a commencé à exécuter un plan.
- Plans sont des séquences d'actions (recettes ou domaines de connaissances) qu'un agent peut effectuer pour atteindre une ou plusieurs de ses intentions. Les plans peuvent inclure d'autres plans, reflétant l'idée de Bratman que les plans sont initialement seulement partiellement conçus.
- Événements sont des déclencheurs pour une activité réactive, mettant à jour les croyances, déclenchant des plans ou modifiant les objectifs. Les événements peuvent être générés en externe (via des capteurs) ou en interne.
Le modèle BDI a également été étendu avec un composant d'obligations, donnant naissance à l'architecture d'agent BOID pour incorporer les obligations, normes et engagements dans des environnements sociaux.
Interpréteur BDI
Un interpréteur BDI idéalisé, basé sur la lignée PRS de SRI, fonctionne comme suit :
- Initialiser l'état.
- Répéter :
- Options : générateur d'options (file d'événements)
- Options sélectionnées : délibérer(options)
- Mettre à jour les intentions(options sélectionnées)
- Exécuter()
- Obtenir de nouveaux événements externes()
- Abandonner les attitudes infructueuses()
- Abandonner les attitudes impossibles()
Cet interpréteur cycle à travers la génération d'options à partir d'événements, la délibération pour sélectionner les options, la mise à jour des intentions, l'exécution des plans et la gestion de nouveaux événements, tout en abandonnant les attitudes infructueuses ou impossibles.
Logiques formelles et raisonnement
Un aspect important du modèle logiciel BDI est l'existence de modèles logiques à travers lesquels les agents BDI peuvent être définis et raisonnés. La recherche a conduit à des axiomatisations de certaines implémentations BDI et à des descriptions logiques formelles telles que BDICTL d'Anand Rao et Michael Georgeff, qui combine une logique multi-modale (avec des modalités pour les croyances, désirs et intentions) avec la logique temporelle CTL*. Plus récemment, Michael Wooldridge a étendu BDICTL pour définir LORA (Logic Of Rational Agents), incorporant une logique d'action pour raisonner sur les agents individuels et les interactions dans les systèmes multi-agents.
Limites et critiques
Le modèle logiciel BDI est un exemple d'architecture de raisonnement pour un agent rationnel unique et une préoccupation dans les systèmes multi-agents plus larges. Les limites connues incluent :
- Apprentissage : Les agents BDI manquent de mécanismes spécifiques pour apprendre du comportement passé et s'adapter à de nouvelles situations.
- Trois attitudes : Les théoriciens de la décision classique et les chercheurs en planification remettent en question la nécessité d'avoir les trois attitudes, tandis que la recherche en IA distribuée remet en question si les trois attitudes sont suffisantes.
- Logiques : Les logiques multi-modales sous-jacentes au BDI, qui n'ont pas d'axiomatisations complètes et ne sont pas efficacement calculables, ont peu de pertinence en pratique.
Malgré ces limites, le modèle BDI reste influent dans les systèmes à base d'agents. Il a été proposé par Steven Umbrello et Roman Yampolskiy comme un moyen de concevoir des véhicules autonomes pour les valeurs humaines, et il continue d'informer la recherche en intelligence artificielle et dans les systèmes multi-agents. La séparation du modèle entre délibération et exécution a des parallèles dans d'autres domaines de l'IA, tels que apprentissage par renforcement et la planification, et ses concepts sont pertinents pour la conception de véhicules autonomes et de robotique.
Applications et pertinence
L'architecture BDI a été appliquée dans divers domaines, y compris les véhicules autonomes, la robotique et les jeux vidéo. Elle fournit un cadre pour implémenter des agents rationnels capables d'équilibrer un comportement réactif et délibératif. Bien qu'elle ne garantisse pas toutes les caractéristiques associées aux agents intelligents, telles que les croyances privées ou la communication, elle offre une approche structurée de la programmation d'agents. L'influence du modèle s'étend aux systèmes multi-agents et à la modélisation à base d'agents, et il reste un sujet de recherche en intelligence artificielle et en science cognitive.
Au début des années 2020, le BDI continue d'être étudié et étendu, avec des efforts pour intégrer des mécanismes d'apprentissage et aborder les défis computationnels. Ses fondements formels, tels que BDICTL et LORA, fournissent une base pour vérifier le comportement des agents, bien que les implémentations pratiques simplifient souvent ces logiques. L'accent du modèle sur les attitudes mentales offre une approche inspirée de l'humain pour concevoir des systèmes intelligents, le distinguant des architectures purement réactives ou purement délibératives.